When will I have access to the lectures and assignments?

To access the course materials, assignments and to earn a Certificate, you will need to purchase the Certificate experience when you enroll in a course. You can try a Free Trial instead, or apply for Financial Aid. The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.

What will I get if I subscribe to this Specialization?

When you enroll in the course, you get access to all of the courses in the Specialization, and you earn a certificate when you complete the work. Your electronic Certificate will be added to your Accomplishments page - from there, you can print your Certificate or add it to your LinkedIn profile.

Is financial aid available?

Yes. In select learning programs, you can apply for financial aid or a scholarship if you can’t afford the enrollment fee. If fin aid or scholarship is available for your learning program selection, you’ll find a link to apply on the description page.

Limpieza de datos para el procesamiento de lenguaje natural

Ends tomorrow! Save on skills that make you shine with 40% off 3 months of Coursera Plus. Save now

Limpieza de datos para el procesamiento de lenguaje natural

This course is part of Procesamiento de Lenguaje Natural Specialization

Instructor: Hernán Daniel Merlino

Included with

Learn more

4 modules

Gain insight into a topic and learn the fundamentals.

15 reviews

Beginner level

Recommended experience

1 week to complete

at 10 hours a week

Flexible schedule

Learn at your own pace

4 modules

Gain insight into a topic and learn the fundamentals.

15 reviews

Beginner level

Recommended experience

1 week to complete

at 10 hours a week

Flexible schedule

Learn at your own pace

Skills you'll gain

Tools you'll learn

Details to know

Shareable certificate

Add to your LinkedIn profile

Assessments

12 assignments

Taught in Spanish

91% of learners achieved a positive career outcome

See how employees at top companies are mastering in-demand skills

Learn more about Coursera for Business

logos of Petrobras, TATA, Danone, Capgemini, P&G and L'Oreal

Build your subject-matter expertise

This course is part of the Procesamiento de Lenguaje Natural Specialization

When you enroll in this course, you'll also be enrolled in this Specialization.

Learn new concepts from industry experts
Gain a foundational understanding of a subject or tool
Develop job-relevant skills with hands-on projects
Earn a shareable career certificate

There are 4 modules in this course

Este curso te brindará los conocimientos necesarios para la extracción, limpieza y preparación de distintas fuentes de datos para ser incluidos en un proceso de NLP.

Para realizar este curso es necesario contar con conocimientos de programación de nivel básico a medio, deseablemente conocimiento básico del lenguaje Python y es recomendable conocer el entorno de Jupyter Notebooks del entorno Anaconda. Para desarrollar aplicaciones se va a utilizar Python 3.6 o superior. Alternativamente se puede utilizar el entorno de Anaconda con la misma versión de Python. Como editor de código, los ejemplos van a ser editados en el Notebook de Anaconda, pero el alumno puede utilizar cualquier editor de texto que reconozca notebooks de Anaconda. Librerías que es necesario tener instaladas para realizar el curso: NLTK, Pandas, Scikit-learn y librerías de extracción de datos.

Module details

Este módulo te permitirá obtener los conocimientos necesarios para la construcción de un programa de extracción de datos de páginas Web basadas en HTML.

What's included

5 videos6 readings3 assignments2 discussion prompts1 plugin

5 videosTotal 24 minutes

Universidad Austral1 minute
Introducción al curso4 minutes
Etapas del Web Scraping9 minutes
Problemas que pueden resolverse con Web Scraping5 minutes
Problemas que pueden resolverse con Web Scraping - Conclusiones5 minutes

6 readingsTotal 76 minutes

Bienvenidos a la Universidad Austral1 minute
Dinámica del curso10 minutes
Glosario20 minutes
Nociones básicas de Web Scraping. 3 técnicas para extracción de distintos formatos de páginas web15 minutes
Principales etapas del Web Scraping20 minutes
Material complementario 10 minutes

3 assignmentsTotal 80 minutes

Evaluación del módulo40 minutes
Test de la lección20 minutes
Test de la lección20 minutes

2 discussion promptsTotal 20 minutes

Analizando las etapas del Web Scrapping10 minutes
El Web Scarping y NLP10 minutes

1 pluginTotal 15 minutes

Podcast: Mi experiencia como profesional15 minutes

En este módulo se describen un conjunto de pasos necesarios para el pre procesar páginas HTML y extraer información de ellas. Además, se detallarán distintos tipos de aproximación al mismo.

What's included

3 videos4 readings3 assignments1 discussion prompt

3 videosTotal 16 minutes

HTML Parsing5 minutes
Construcción de un parser7 minutes
Tipo de Parsing 4 minutes

4 readingsTotal 55 minutes

Revisión exhaustiva del proceso de Parsing en páginas HTML15 minutes
Diseño de un parser 15 minutes
Principales formas de hacer parsing en páginas HTML15 minutes
Material complementario10 minutes

3 assignmentsTotal 90 minutes

Evaluación del módulo40 minutes
Test de la lección20 minutes
Test de la lección30 minutes

1 discussion promptTotal 10 minutes

El Parsing y sus tipos de técnica10 minutes

En este módulo se presentarán las técnicas avanzadas de scraping para extracción de datos de páginas HTML que utilizan diversas librerías de JavaScript para su construcción

What's included

3 videos4 readings3 assignments1 discussion prompt1 plugin

3 videosTotal 15 minutes

Parsing avanzado3 minutes
Programación concurrente y programación distribuida4 minutes
Programación de parsers avanzados7 minutes

4 readingsTotal 55 minutes

Metodologías de parsing avanzado15 minutes
Apuntes de ingeniería de software para la construcción de parsers15 minutes
¿Cómo evaluar el lenguaje de programación más apropiado para la construcción del parser?15 minutes
Material complementario Selección de links parser avanzado.10 minutes

3 assignmentsTotal 90 minutes

Evaluación del módulo40 minutes
Test de la lección20 minutes
Test de la lección30 minutes

1 discussion promptTotal 10 minutes

Analizando el grado de concurrencia que debe poseer el parser10 minutes

1 pluginTotal 15 minutes

Podcast: mi experiencia profesional15 minutes

Una vez estriado el texto de las paginas HTML que es una fuente habitual de extracción de información, se pueden sumar distintas fuentes de tipos de datos, como ser PDF, DOC, XLS e imágenes. En este módulo se verán diversas técnicas que pueden servir para recolectar la información de ellas y unificarlas en un mismo conjunto de documentos.